[发明专利]基于衣料图像识别的智能洗涤控制方法、装置及洗衣机

说明书

本发明公开了一种基于衣料图像识别的智能洗涤控制方法、装置及洗衣机，方法包括步骤：获取洗衣舱内衣物的不同姿态下的原始照片；将获取的原始照片进行预处理，得到局部样本集；将局部样本集送入预先训练好的神经网络进行一次局部样本集的预估分类；对预估结果使用预先构建的决策树模型进行二次分类，获得衣物的材质识别分类结果；根据所述材质识别分类结果，确定对应的洗涤程序。本发明从局部着手，兼顾全局，即保证了更高的分辨率提供的信息，且利用局部图片进行模型学习，加速了图片处理效率，降低了硬件要求，不需要大显存应对高分辨率导致的大矩阵，通过二次分类，能够获得更准确的衣物材质识别，根据材质应用内置的针对性的洗涤方案。

技术领域

本发明属于洗衣设备技术领域，具体涉及一种基于衣料图像识别的智能洗涤控制方法、装置及洗衣机。

背景技术

现有的大多数洗衣机都要使用者自主选择洗涤模式，而往往使用者对于衣物该使用的洗涤模式并不熟悉。现有的根据衣料识别决定后续洗涤模式的技术中，主要存在RFID识别、多光谱识别、图像识别等。在现有的使用图像识别的方案中，只使用单层识别逻辑，辅以部分校验手段，存在输入图片清晰度不高、识别率不佳、计算量大、硬件要求高等缺点。

发明内容

技术目的：针对上述技术问题，本发明提供了一种基于衣料图像识别的智能洗涤控制方法、装置及洗衣机，其从局部着手，通过二次分类识别，能够获得更准确的衣物材质识别效果，根据材质提供内置的针对性的洗涤方案，洗涤控制过程简单易操作。

技术方案：为实现上述技术目的，本发明采用了如下技术方案：

一种基于衣料图像识别的智能洗涤控制方法，其特征在于，包括步骤：

获取洗衣机的洗衣舱内当前衣物的多张不同姿态下的原始照片；

将获取的原始照片进行预处理，得到当前衣物对应的多个局部样本，构成当前衣物的局部样本集；

将得到的所有局部样本送入预先训练好的神经网络进行第一次分类，获得当前衣物的每个局部样本的预估分类结果；

统计当前衣物的局部样本的预估分类结果，得到当前衣服的局部样本被分类为不同种类材质的数量，计算当前衣物的局部样本集中不同种类材质的局部样本的百分比，将对应的所有百分比送入预先构建的决策树模型进行第二次分类，获得当前衣物的材质识别分类结果。

优选地，所述神经网络采用ResNet模型，神经网络的训练集和测试集中包括对应多种材质的多个局部样本集，每种材质对应的局部样本集通过以下步骤获得：

选取一种材质的衣物样本，放置到洗衣舱内，拍摄多张不同姿态下的衣物样本的原始照片；

将拍摄得到的衣物样本的原始照片进行预处理，得到多张衣物样本的局部图片；

根据衣物样本的购买信息或标签信息，将局部图片打上材质标签，局部图片构成对应材质的局部样本集。

优选地，所述决策树模型的输入向量为第一次分类后获得的每个局部样本集中被分类为不同种类材质的局部样本的百分比，向量长度与材质的种类数相同，决策树模型输出对应的材质编号。

优选地，所述预处理包括步骤：

将原始照片裁剪成预设大小的像素的局部图片，局部图片中包括一种以上的衣物样本，裁剪过程中对原始照片进行随机的上下翻转、左右翻转、90度或180度旋转；

将获取的局部图片转换成RGB三通道存储形式，根据RGB三通道的强度值计算每张局部图片的亮度；

筛选出每一个衣物样本的亮度最高的局部图片，根据筛选出的局部图片的亮度计算对应的衣物样本的亮度阈值；

根据各个衣物样本的亮度阈值，对各个衣物样本的所有局部图片进行处理，筛选出各个衣物样本的局部样本集；